8月9日，由硬科技第一产业媒体镁客网主办，南京建邺高新技术产业开发区、IC咖啡协办，中关村集成电路设计园IC-PARK战略合作的“M-TECH——AI芯片商业化之路论坛”在北京丽亭华苑酒店圆满落幕。
本次论坛上，以“AI芯片商业化之路”为核心议题，在镁客网的主持下，云知声、地平线、阅面科技、异构智能、华登国际、深兰科技、云天励飞、宙心科技等代表性企业，从国家战略、产业发展等层面和与会者探讨了AI芯片研发的重要性，并与现场200多位AI行业人士展开了一场深度交流。
在这里，我们将各嘉宾的演讲重点提炼出来（在不改变原意的基础上稍加改动）：
1、中国已经开始从模式创新时代走向技术创新时代，这其中，我们能看到几个比较明显的趋势：第一，计算从中央开始往边缘靠拢，这会让整个系统的负载、成本功耗等各个方面变得更加均衡；第二，智能终端成长潜力大，目前终端智能的渗透率还不足1%，等发展到2019年、2020年，就视觉方面，市面上大多产品都将变得“智能”，这是一个非常值得大家投入的产业；第三，智能时代是一个个性化时代，因为人的需求是无止境且碎片化的，而AI技术可以跟各个场景结合，这将给很多创业公司带来更多的机会，呈现一个“百花齐放”的时代。
2、当前，不管是X86还是GPU等，它们不是为深度学习和AI时代新技术所准备的，在性价比、功耗等方面不具备优势，这也是为什么大量新公司选择自己做架构、传统芯片公司或收购公司或在产品加入AI新元素的原因。
3、做AI芯片，一定得先有算法，再用软件来定义硬件。
1、我们现在已经进入智联网时代，所谓的“智联网”就是物联网+人工智能。它由三个特别的属性：第一个是智能化，即所有的设备都将变得“智能”；第二个是形态多样化；第三个是应用场景化，AI算法不是一个通用算法，只有深入行业，理解应用场景才能做好“智能化”工作。
2、在计算上，云端AI有一些问题解决不了，比如延迟长、带宽不够、能耗大、隐私不安全等。而对于边缘计算，对于本地AI算力及载体也是有要求的，即有足够的算力、具备跨设备形态、低功耗、低成本以及安全。
3、现有的CPU、GPU、FPGA不能满足以上需求，它们考虑了太多的相互兼容性，在智联网时代，它们无法满足现在这种高性能、低功耗、低成本的需求。
4、客户的痛点在哪里？比如智能音箱，客户的第一步是找一个算法团队，第二步是找一款能支持这个算法的芯片，第三步是找一个音响设备团队来设计音箱外形，另外我们还需要找结构设计师、各种各样的供应商等一起坐下来分析如何做一款成本合理的音箱，最终还要找出问题进行不断地调试。其实，对于智能音箱方案商或者最终产品上来说，他们只有三个要求——有最佳的体验、可以高度定制、能迅速出货。
1、AI芯片离不开AI算法的支撑，而有了AI算法也不是就能很好地解决客户的问题。当前，人们对于数据隐私保护、实时计算的要求越来越高，这使得算力渐渐从云端往边缘迁移。
2、AI芯片的高智能离不开数据生态，数据生态离不开应用场景。目前，商业、教育等行业都具备痛点，这也是AI芯片可以落地的场景。
1、整个半导体市场在2017年是4290亿，整个集成电路是3600亿，其中AI芯片占据了几百亿。他预计，至2020年，跟AI芯片相关的市场将达到146亿美元，根据每年50%的增长率来算，到2025年，AI芯片的市场可以涨到650亿美元。
2、人类让机器变得智能有三个节点，我们在这些节点的背后能看到AI的核心驱动力：第一个节点是1997年，深蓝战胜卡斯帕罗夫；第二个节点是AlphaGo战胜人类；第三个节点是2012年，斯坦福、谷歌、百度以及诸多科学家将自己所有的程度转移到GPU上。在这三件事情的背后，我们看到的关键是——算力。
3、人工智能分为两个步骤，第一阶段是算法训练，这一块今天已经基本上被英伟达占领；第二阶段是推理计算，即应用，其中，高性能、低功耗是AI终端应用之关键（低功耗低性能模式—较低性能无法满足大部分人工智能计算的要求，高性能高能耗—巨大功耗无法满足大部分终端应用场景的要求），也是创业公司活下来的机会。
4、CPU、GPU等通用处理器市场已经没有机会了，我们现在能做的，就是把各种各样的专用芯片做到极致，配合CPU、GPU等搭建一个小系统，这就是一个很好地解决方案。另外，在将来，如果你的芯片比别人功耗低5瓦，甚至是低1瓦，都是一个特别大的竞争优势。
1、过去10年，半导体增长的动力来自于智能手机，近年来，AI的出现给半导体行业带来了第二春。2016年到2017年，中国半导体市场的增长率从2016年的15.8%增长至18.8%，而这背后的原因就是AI的出现。
2、为什么AI对半导体行业会有一个这么大的推动力？其实，芯片都是由应用来推动的，AI新技术的出现带来了很多新应用，也让一些老应用焕发新生，比如集成了辅助阅片系统和软件的医疗影像等。
3、后摩尔时代/后智能手机时代，半导体行业何去何从？当前，半导体行业的摩尔定律受到了挑战，而AI是半导体的新战场。继手机之后，半导体下一个巨大的应用平台是汽车平台。
1、为什么深兰选择做芯片？因为自己有场景，其次，从2014年开始就深耕计算机视觉算法，目前也已经非常稳定。反之，他指出，有的芯片厂商是先做芯片再找场景，这是不太对的。
2、一般情况下，做通用性芯片需要至少10年时间，其中涉及到生态圈搭建和芯片制造工艺的问题。如果想要在3年内战胜英伟达、跟英特尔抗衡，就得麻烦政府收复台湾。
1、出于对网络质量、存储和计算成本等方面的考虑，大部分的AI解决方案是把智能化前置，其驱动力在于前端设备的计算力足够强、芯片性能足够强、功耗足够抵、延迟也足够低。为此，我们实现端智能关键在于“芯”，无终端无不AI、无AI不芯片。
2、AI的落地和场景密不可分，所以一定要对需求有一个深入理解，从未来来看，我们的设计思路应该是这样的——以系统去了解行业需求，从行业出发去获取数据，以数据去优化算法固化芯片，以芯片真正解决行业痛点的核心。
1、应用驱动了AI的发展，无行业不AI、不AI无行业。人工智能的核心就是计算，分两层：一个层面是说到底能做什么事情，另一个层面是说能怎么去做这个事情，这是两个不一样的层级。
2、作出芯片只是做了1%的工作，后面还有99%的工作需要做。99%的工作就是搭建生态圈，包括平台等上下游的关系。在芯片的生态环境中，有平台、方案等很多复杂的东西，而内在关键性在于上下游整个生态的支撑。
· 问题一：为什么算法公司一定要做芯片，这一定是必要的吗？如果不做芯片，前景是什么？
鲍晴峰：云知声决定做芯片是2016年就开始的，芯片是是算法落地的节点，是数据的来源，不管是应用落地还是数据采集，芯片都是一个不可取代的战略方向。 如果一家算法公司没有芯片，未来的路会非常难走。如果只是在现有数据集上做算法，这可能在2015、2016年能获得融资，但是现在，投资人对于创业公司的盈利越来越有要求，大家都希望看到算法迅速转化为商业化利益，如果没有具体的落地场景，算法未来的存活是很困难的。
童志军：做芯片更多的是为了让算法跑的更有效率，另一个是为了公司更有竞争力。 其实，有一些公司依旧在做云端方案，所以我觉得做芯片只是其中一条路，不是每一家公司都必须走，最终还是得根据自己的情况去做考量。
谢强：人工智能公司做芯片是一件非常非常重要的事情。算法公司没必要做芯片，你们专注做算法，用我们的芯片就可以。
王昕磊：从我们本身来说，出于业务考虑，不做芯片不是一件合算的事情，如果不做，“命”就掌握在英伟达等公司的手里。另外，加上一些资本的加入，做芯片也已经不再是一件成本过高的事情。
陈更新：从整个生态链上来看，算法处在中间，基于算法往上跑，前提是有应用场景。没有应用场景，做芯片也不会做好。我觉得，只要有基础，芯片是可以做的。
· 问题二：AI芯片首先“大面积”落地的场景会是自动驾驶吗？
鲍晴峰：我们对车规级别的芯片和消费级芯片的要求是不同的，前者非常的严格。另外，我们也要定义一下自动驾驶，因为不同级别的自动驾驶意味着算法的不同难度。我个人认为，AI芯片在自动驾驶大规模落地是有可能的，但要看具体场景，看等级是L3、L4还是L5。不过，我认为，相比于车规级芯片，语音芯片会更快实现大规模商用，因为语音交互是一个必要的人机交互途径。
童志军：我觉得自动驾驶芯片的大规模落地可能是在一些受限场景，比如摆渡车等等，至于真正民用级的自动驾驶，可能还需要一段时间，这里面涉及到道路状况复杂度等因素。
· 问题三：安防市场已经被海康和大华占领，政府机关并不愿意花大成本去用深度学习摄像头替换现有摄像头，这致使边缘计算很难落地，嘉宾怎么看？
谢强：这个问题的解决，第一是要让政府真正感觉到“痛”了，比如每天影像的存储、耗电、网络建设等问题，紧接着，我们还要帮政府算好一笔经济账，并从技术层面把关具体方案。
王昕磊：公检法方面的安防，我们是不做的，一是涉及到人脸识别，算法上有难度，二是牵扯到隐私权。相比之下，我认为安防的落地场景是在楼宇、社区、城市等管理方面。
陈更新：归根究底，这个问题能不能解决，在于是不是真正解决了用户的痛点。对于政府和运营商来说，他们的痛点就是芯片。
更多优质内容，请持续关注镁客网~~
关注微信
